基于小波变换神经网络模型的辣椒辣度检测分离重叠峰研究  

作　　者：宋曼 吕翠改[2] 李海萍[3] 

机构地区：[1]河北省信息资源管理中心,河北石家庄050071 [2]河北科技大学信息学院,河北石家庄050018 [3]河北科技大学理学院,河北石家庄050018

出　　处：《赤峰学院学报（自然科学版）》2013年第14期98-99,共2页Journal of Chifeng University(Natural Science Edition)

摘　　要：本文在对辣椒辣度进行检测所进行的色谱分析法基础上,以小波特征为提取理论基础,以色谱重叠峰为构建依据,提出了名为神经网络模型的新型解析模型.第一步就是充分利用小波特征,从辣椒原始色谱里对特征点进行提取,得出隐节点数目,以预估峰高值为隐节点的初始宽度,再应用径向基网络(RBF)的多变量插值促成原始重叠峰的拟合,获取梯度下降法的相关参数结果,最终实现分离重叠色谱峰的目的.实验完成之后,由最终结果可以看出,这个方法能够做到快速解析分离重叠峰,并且确保数据的可靠性和精确度.

关 键 词：色谱 重叠峰 小波变换 RBF网络 

分 类 号：S641.3[农业科学—蔬菜学]